06 — 匿名交付
某內地企業 · 生產運維
告警到恢復的運維智能體
把告警 → 證據 → 恢復變成一條有責任人的閉環。
平台運維需要在分散的控制面 API 之間做巡檢、處理告警與排查作業。真正有用的 Agent 不是通用聊天，而是一條有邊界的流程：收集正確工件、解釋發現，並在寫操作前停下來。
我們交付定時巡檢與告警驅動排障。Agent 沿任務或實例串聯日誌、SQL 與血緣，提出重跑或下一步建議；如要改變生產狀態，值班工程師仍在審批鏈路中。
工作裡
定時巡檢
每小時覆蓋取代每週腳本儀式，為每次事故建立一致起點。
先取工件，不猜原因
實例狀態、日誌、SQL 與血緣先被串聯，Agent 才解釋可能原因。
寫操作由人負責
重跑與調參保持範圍限制和審批，Agent 加速排查而不讓事故失去責任人。
问题与背景
平台工程師定位典型故障常需 30 分鐘以上，每週人工巡檢腳本耗時 2–4 小時；告警、日誌與作業上下文各自存在，沒有可重複的閉環。
量化结果
每小時全量巡檢取代每週 2–4 小時人工腳本；典型故障定位由 30 分鐘以上縮短至 5 分鐘內，平台運維 On-call 量下降 60%+；約 60 名工程師日常使用，30%+ 任務失敗諮詢可自助閉環。
合作范围
- 每小時全量巡檢與告警觸發排障
- 作業／實例 → 日誌工件 → SQL／血緣 → 重跑建議
- 審批門檻、Trace 傳遞與 On-call 交接
交付內容
- → 定時與事件驅動的運維智能體工作流
- → 作業、實例、日誌、告警、元數據、血緣與 SQL 的 MCP Adapter
- → 企業微信與 CLI 入口，共用同一追蹤上下文
匿名说明
委託方名稱與內部運維標識不公開；耗時與 On-call 指標來自該項目運行記錄。